ai安全：从“对话式辅助”走向“多智能体自主协作”

Strix 和 Shannon 的星标增长最为迅猛，Strix 在一个多月内从 41k 飙升至 60k，反超了之前领先的 Shannon。

🧠 PentAGI：多智能体协作的典型样本

在众多项目中，PentAGI 的架构设计很有代表性，它最早也最完整地展示了“AI 红队团队”应该长什么样。

PentAGI 不是一个单一的 AI 代理，而是由多个专职代理组成：编排代理负责规划完整攻击链，研究代理从网站和漏洞库收集情报，开发代理实时编写定制漏洞利用代码，执行代理则调用 Nmap、Metasploit、SQLmap 等 20 余种专业工具。

所有任务都在完全隔离的 Docker 沙箱中运行，基于 Neo4j 的知识图谱会追踪攻击目标、漏洞、工具之间的关联，以梳理完整攻击链。它采用 MIT 许可完全开源，而同类商业渗透测试服务单个项目收费通常在 2.5 万至 15 万美元之间。

🛡️ DarkMoon：隐私优先的自主渗透平台

DarkMoon 是近期另一个值得关注的项目，它的差异化在于数据隐私和覆盖广度。

它运行在本地 LLM 上，数据永不离开用户环境，并配有 Privacy Gateway 做本地 tokenization。在覆盖范围上，DarkMoon 明确支持 Active Directory 和 Kubernetes 场景，这是很多同类工具尚未涉足的领域。

它的工作流程完全自动化：发现目标环境 → 指纹识别技术栈 → 建模攻击面 → 部署专业子代理 → 智能漏洞扫描循环 → 验证发现 → 生成审计报告。

架构上有一条清晰的安全边界：AI 只负责推理和规划，MCP 控制什么可以执行，工具在 Docker 沙箱内运行，AI 从不直接触碰系统。

💡 为什么这些项目突然火了

三个关键变化叠加：

第一，MCP 协议统一了工具调用。 HexStrike AI 这类 MCP 服务器让 AI 代理能以标准化方式调用 150+ 安全工具，不再需要为每个工具单独写适配层。

第二，多智能体编排框架成熟。 从单一 Agent 到研究、开发、执行、分析多个专职代理协作，攻击链的每个环节都有专门的 AI 负责，效果远超“一个 prompt 打天下”。

第三，本地 LLM 推理成本下降。 DarkMoon 等项目证明，完全在本地运行自主渗透测试已经可行，这消除了企业用户对数据外泄的核心顾虑。

⚠️ 一个值得注意的信号

CAI（Cybersecurity AI） 曾在 2026 年 8 月被归档，但它在开源前已经产出了 18 篇论文和 30+ CVE。这说明 AI 渗透测试工具的研究属性正在快速向工程化产品转化——早期框架完成了概念验证，现在的新项目直接站在了更成熟的工程基础上。